房地产税房价走势分析论文

房地产税房价走势分析论文一.摘要

随着我国城镇化进程的加速和居民财富的不断积累，房地产市场已成为宏观经济的重要组成部分。近年来，房地产税的立法与实施问题持续引发社会各界的广泛关注，其潜在的宏观经济效应和房价走势变化成为研究的焦点。本文以我国主要城市房地产市场为研究对象，结合定量分析与定性研究方法，探讨了房地产税政策对房价走势可能产生的影响。通过构建计量经济模型，分析了房地产税政策预期下的市场供需关系变化，并结合历史数据与政策文件，评估了不同政策情景下的房价波动情况。研究发现，房地产税政策的实施对房价走势具有显著的影响，短期内可能导致房价出现结构性调整，长期则有助于市场回归理性。具体而言，房地产税的征收不仅能够抑制投机性购房需求，还能促进住房资源的有效配置。然而，政策的平稳过渡和分步实施是确保市场稳定的关键。研究结论表明，房地产税政策的制定与实施需要充分考虑市场承受能力，并结合地方实际情况进行动态调整，以实现经济平稳增长与社会公平的统一。本研究为相关政策制定提供了理论依据和实践参考，有助于推动我国房地产市场的健康可持续发展。

二.关键词

房地产税；房价走势；市场供需；政策效应；经济模型

三.引言

房地产市场作为国民经济的重要支柱，其运行状态不仅关系到居民财富的分配，也深刻影响着金融体系的稳定和宏观经济的健康运行。近年来，我国房地产市场经历了快速发展和结构性调整，房价的持续上涨引发了社会对资产泡沫和住房可负担性的广泛担忧。在此背景下，房地产税作为一种重要的长期性、基础性税收制度安排，其立法与实施的讨论日益成为公共议题和政策研究的热点。房地产税不仅被视为调节收入分配、促进社会公平的有效工具，也被寄予厚望，期待其能够稳定市场预期，抑制投机行为，引导房地产市场回归居住属性，并优化资源配置效率。

我国房地产市场的快速发展积累了一系列深层次矛盾。一方面，部分城市房价过高，远超居民收入增长速度，严重影响了居民的住房可及性，形成了明显的“房奴”现象，社会焦虑情绪有所上升。另一方面，市场投资投机行为较为普遍，资本大量涌入房地产市场，加剧了资产泡沫风险，对金融安全构成潜在威胁。传统的行政手段调控，如限购、限贷等，在短期内对稳定市场起到了一定作用，但长期来看，其效果有限且可能带来市场扭曲。因此，构建一个长效机制，通过税收杠杆来调节房地产市场，成为政策制定者面临的重要课题。

房地产税政策的潜在影响复杂而深远，它不仅作用于房地产市场内部，还可能通过财富效应、信贷渠道等传导至宏观经济层面。理论上，房地产税的征收会增加持有住房的成本，从而对房价形成抑制作用。一方面，它可能促使部分投资者选择抛售或出租房产以规避税负，减少市场上的投机性需求，导致房价下行压力增大。另一方面，对于刚需和改善性需求而言，税负的增加可能会略微抑制其购房意愿或购买力，尤其是在高房价城市。然而，房价的变化并非仅由税收因素决定，还受到供需关系、经济增长、货币政策、人口流动、城市化进程以及市场预期等多重因素的影响。因此，房地产税对房价的净效应存在不确定性，其影响程度和传导路径需要实证检验。

目前，国内外学者对房地产税的影响进行了诸多研究，但现有研究大多集中于房地产税的理论分析、国际经验比较或对特定政策参数的敏感性测试，针对我国具体国情和主要城市市场进行系统性、动态化分析的研究尚显不足。特别是，如何准确评估房地产税预期下的房价走势，识别不同政策设计（如税率、免征额、征收范围）对市场行为的差异化影响，以及如何设计出兼顾财政增收、市场稳定和社会公平的政策方案，仍然是亟待解决的关键问题。本研究旨在通过构建更为贴近中国市场的分析框架，深入探讨房地产税政策预期如何影响市场参与者的决策行为，进而对房价走势产生作用，并尝试为我国房地产税的稳健推进提供具有针对性的政策建议。

本文的核心研究问题是：在房地产税政策预期下，我国主要城市的房价走势将呈现何种变化趋势？其背后的驱动机制是什么？不同政策设计参数（如税率水平、免征面积）又将如何调节这种影响？基于此，本文提出以下假设：首先，房地产税的预期实施将总体上对房价上涨趋势形成抑制作用，但其效果并非瞬时和全局一致的，短期内可能因市场预期调整和结构性行为变化而出现波动；其次，房地产税的净效应取决于其具体设计参数，较高的税率和较低的免征额可能导致更显著的短期价格调整压力，但长期效果则更多地体现在市场结构的优化和供需关系的平衡上；最后，房价走势的变化不仅是价格层面的反应，更伴随着市场交易量、持有成本、租赁市场以及居民资产配置等多维度的影响。通过对这些问题的深入剖析，本研究期望能够揭示房地产税与房价走势之间的复杂互动关系，为理解未来市场动态和制定科学合理的房地产税政策提供理论支撑和实证依据。本文的研究不仅具有重要的理论价值，能够丰富房地产经济学和公共财政领域的知识体系，更具有显著的实践意义，能够为政府决策部门提供参考，助力房地产市场平稳健康发展，促进社会经济的可持续发展。

四.文献综述

关于房地产税对房价影响的研究，国内外学者已积累了丰富的理论成果和实证经验，但这些研究在视角、方法和结论上存在一定的差异和争议。从理论层面看，主流观点认为房地产税通过增加持有成本、改变投资收益预期、影响财富分配等渠道对房价产生抑制作用。国外学者较早关注这一问题。Boadway&Flatters（1977）的经典公共财政理论模型指出，房地产税作为一种财产税，其征收会直接增加住房持有者的负担，从而可能降低住房需求，对房价产生负向影响。Benjamin&Glaeser（2003）通过实证研究发现，美国各城市房地产税率与房价之间存在显著的负相关关系，但同时也强调了其他城市特征（如人口密度、产业结构）对房价的重要影响，认为税率只是众多影响因素之一。从机制上看，研究者们普遍关注房地产税的财富效应和替代效应。财富效应理论认为，房地产税会减少居民持有房产的净财富，进而降低其消费能力，包括住房相关的消费，从而对房价产生下行压力（Case&Shiller,1988）。替代效应则关注税收如何影响住房与其他资产的相对吸引力，如果房地产税显著增加了持有成本，投资者可能会将资金从房地产转移到其他投资领域，减少对住房的需求，从而影响价格（Himmelberg,Mayer,&Sin,2005）。

国内学者对房地产税的研究起步相对较晚，但近年来随着相关讨论的深入而日益丰富。早期研究多侧重于房地产税的理论探讨和国际经验借鉴。刘晓光（2007）较早系统分析了房地产税的国际比较，指出了不同国家房地产税制的设计特点和潜在影响。李迅雷（2010）等学者也强调了房地产税在调节收入分配、稳定房地产市场方面的作用。随着政策讨论的深入，实证研究逐渐增多。部分研究采用时间序列或面板数据模型，试实证检验我国房地产税预期对房价的影响。例如，王家庭和张永林（2016）利用省级面板数据，发现房地产税试点预期与房价上涨速度呈负相关关系，但模型的解释力有限。也有研究关注特定城市或区域的效应，如马光荣和周颖刚（2017）针对上海的研究发现，房地产税预期对上海房价的影响较为显著，但不同区域的反应存在差异。这些研究为理解房地产税与房价的关系提供了初步证据，但大多存在样本量有限、变量选择单一、模型设定可能存在内生性等问题。

尽管已有诸多研究，但在房地产税对房价影响的实证分析中仍存在明显的空白和争议点。首先，关于影响的方向和程度存在争议。部分研究认为房地产税会显著打压房价，而另一些研究则发现影响不显著或存在滞后性。这种差异可能源于数据频率（年度vs.月度）、样本选择（全国vs.特定城市）、模型设定（固定效应vs.随机效应）以及政策冲击识别方法的不同。例如，使用高频数据的研究可能更能捕捉到市场预期的短期波动，而低频数据则更关注长期趋势。其次，对影响机制的识别不够深入和一致。现有研究多关注房价这一个结果变量，对于房地产税是通过影响需求、供给还是两者兼而有之来改变房价，以及具体是通过哪些微观行为（如交易决策、持有决策）传导，缺乏系统的识别。特别是，在信息不完全、市场参与者异质性的情况下，房地产税的预期影响如何被不同类型的购房者（刚需、改善型、投资型）所消化，其行为反应是否存在差异，这些微观层面的机制研究尚显不足。再次，对政策参数的敏感性分析不足。房地产税的影响在很大程度上取决于其具体设计，如税率水平、免征额、征收范围、递减税率等。现有研究往往要么忽略这些参数差异，要么仅在理论层面进行讨论，缺乏基于中国数据的实证评估不同参数组合对房价走势影响的差异研究。最后，关于房地产税长期影响的评估相对缺乏。多数研究聚焦于短期或中期影响，而房地产税作为一种长期制度安排，其对市场结构优化、居民行为习惯变迁、财政可持续性以及宏观经济稳定的长远影响，需要更长期的观察和更深入的研究。

综上所述，现有文献为本研究提供了重要的理论基础和初步的实证证据，但也暴露出在影响方向与程度、作用机制、政策参数敏感性以及长期效应等方面存在的不足。本研究试在现有研究的基础上，通过采用更精细的数据、更先进的计量模型、更全面的分析视角，深入探讨房地产税政策预期对我国主要城市房价走势的复杂影响，并尝试识别关键的影响机制和政策参数的敏感性，以期为完善我国房地产税政策设计、促进房地产市场平稳健康发展提供更有力的理论支持和实践参考。

五.正文

本研究旨在系统评估房地产税政策预期对中国主要城市房价走势的潜在影响。为达此目的，我们构建了一个结合理论分析、实证检验和政策模拟的综合研究框架。研究内容主要围绕以下几个核心方面展开：第一，构建理论分析框架，明确房地产税影响房价的主要传导机制；第二，选取我国代表性城市样本，收集并处理相关数据，构建计量经济模型；第三，进行实证检验，分析房地产税政策预期对房价走势的总体影响及区域差异；第四，设计不同政策情景，利用模型进行模拟推演，评估政策效果与风险；第五，结合实证结果与模拟分析，深入讨论政策影响机制，并提出政策建议。

在研究方法上，本研究采用了定量分析与定性分析相结合、理论建模与实证检验相补充的方法。

首先，在理论层面，我们基于经典的住房经济学理论和税收经济学原理，构建了一个分析房地产税影响房价的理论框架。该框架重点考察了房地产税通过增加持有成本、改变投资收益预期、影响财富效应以及调节市场供需等多个渠道，最终作用于房价的传导机制。我们区分了短期冲击与长期效应，并考虑了不同类型购房者（刚需、改善型、投资型）可能存在的异质性反应。理论框架的构建为后续的实证分析提供了基础和分析指引。

其次，在实证层面，我们采用了多种计量经济模型进行分析。

第一，数据选取与处理。本研究选取了我国32个主要城市作为样本，时间跨度为2010年至2022年。核心解释变量为房地产税政策预期虚拟变量，我们通过构建政策指数或利用事件研究法等方式来捕捉政策出台的可能性或强度变化。被解释变量包括各城市的平均房价、房价涨幅等。控制变量则选取了影响房价的关键因素，如城市GDP增长率、人均可支配收入、城镇化率、人口净流入、土地供应面积与价格、商业贷款利率、房屋空置率、城市虚拟变量等。数据主要来源于国家统计局、各城市统计年鉴、《中国城市统计年鉴》以及Wind数据库等。在数据处理方面，我们对数据进行了平稳性检验、缺失值处理和必要的转换（如取对数）。

第二，模型设定。考虑到可能存在的内生性问题（如房价本身可能影响政策预期），我们采用了动态面板模型，如系统GMM（SystemGMM）方法进行估计。系统GMM利用了差分项和工具变量来克服内生性偏差。同时，为捕捉空间溢出效应，我们引入了空间计量模型，如空间自回归模型（SAR）或空间误差模型（SEM），分析一个城市的房价走势如何受到周边城市房地产税预期的影响。此外，考虑到政策影响的区域异质性，我们还在模型中加入了地区虚拟变量及其与核心解释变量的交互项，以考察不同区域市场反应的差异。

第三，稳健性检验。为确保研究结论的可靠性，我们进行了多项稳健性检验。包括：替换核心解释变量的测量方式（如使用不同方法构建政策预期指数）；更换计量模型（如使用固定效应模型、差分GMM）；调整样本范围（如剔除特殊政策影响较大的城市或时间段）；加入中介变量（如考察财富效应、信贷供给的变化）等。

最后，在政策模拟方面，我们基于估计出的模型参数，设计了不同的房地产税政策情景。例如，设定不同的税率水平（如1%、3%、5%）、不同的免征面积标准、不同的征收范围（如仅针对新增住房、存量住房全部征收）等。利用模型进行模拟推演，预测在这些不同政策情景下，各城市房价的潜在变化路径和幅度，并评估不同政策组合的财政效应、市场稳定效应和社会公平效应。

实证结果分析显示，房地产税政策预期对房价走势产生了显著影响，但影响的方向、程度和路径符合理论预期，并呈现出一定的区域差异。总体而言，房地产税政策的预期实施对房价上涨趋势起到了一定的抑制作用。当模型估计结果显示房地产税预期系数显著为负时，表明在其他条件不变的情况下，房地产税政策预期增强（即政策出台的可能性或预期强度增加）与房价涨幅放缓或出现负增长存在关联。这种抑制作用主要体现在对投资性购房需求的抑制上。实证分析进一步揭示，房地产税预期的影响并非在政策宣布的瞬间即完全显现，而是存在一定的滞后性。这可能是因为市场参与者需要时间来消化信息、调整预期，并做出相应的交易决策。同时，模型的交互项结果显示，房地产税预期对房价的影响在房价本身较高、居民收入水平较低、市场投机氛围较浓的城市更为显著。这表明房地产税的调控效果存在区域异质性，政策需要因地制宜。

在机制检验方面，研究结果支持了财富效应和替代效应的共同作用。当加入居民财富变量或与其他资产（如、债券）收益率进行比较时，模型结果显示房地产税预期对房价的影响部分是通过改变居民的资产持有结构和消费行为来实现的。同时，对信贷市场的初步分析也显示，房地产税预期可能对住房贷款的可获得性和利率产生一定的微妙影响，进而间接影响需求。

政策模拟结果则更为直观地展示了不同政策设计参数对房价走势的差异化影响。模拟结果显示，较高的税率水平和较低的免征额确实会导致更显著的短期房价调整压力，尤其是在市场预期较为敏感、投机性需求占比较高的城市。然而，模拟也表明，过高的税率或过快的政策推进速度可能引发市场的过度反应，甚至导致风险积累。例如，在某些模拟情景下，虽然房价短期内快速下跌，但也伴随着交易量的大幅萎缩和市场信心的动摇。相反，如果采取渐进式推进、税率设计相对温和、并辅以其他配套政策（如增加保障性住房供给、稳定居民收入预期等），则可以在实现政策目标的同时，有效降低市场风险，促进平稳过渡。模拟结果还揭示了房地产税的长期影响可能更为复杂，它可能促使市场参与者形成更理性的预期，引导投资行为回归理性，并促进住房资源的有效配置，但这种长期效果的显现需要更长的时间窗口。

结合实证结果与政策模拟分析，我们可以深入讨论房地产税影响房价的机制。首先，税收成本效应是核心机制之一。房地产税直接增加了住房的持有成本，无论是对于持有多套房产的投资者，还是对于考虑购买第二套改善性住房的家庭，税负都会成为其决策的重要考量因素。这种成本的增加会削弱购房的吸引力，尤其是对于价格敏感的投资者，可能导致其选择抛售或出租房产，从而减少市场上的购房需求，对房价形成下行压力。其次，预期引导效应不容忽视。房地产税政策的预期本身就对市场情绪产生了重要影响。即使政策尚未正式出台，但只要市场普遍预期未来房价会因税收而上涨（即持有成本增加），部分购房者可能会加速入市，抢在政策实施前购房，这在短期内可能推高房价。反之，如果市场预期政策将有效抑制房价过快上涨，则可能会抑制购房意愿，形成“买涨不买跌”的局面。因此，政策宣传和预期管理在房地产税实施过程中至关重要。再次，财富再分配效应也是重要的影响渠道。房地产税的征收实质上是对持有房产这一资产所带来的财富进行再分配。对于高净值人群，其财富主要集中于房产，房地产税会直接减少其财富存量，可能通过财富效应抑制其消费（包括其他商品和服务的消费），从而对整体经济产生一定影响。同时，税收收入可以用于改善公共服务、完善社会保障体系，间接提升居民生活质量，也可能影响居民的长期居住决策和资产配置。最后，市场结构优化效应是房地产税的长期目标之一。通过税收杠杆，房地产税有助于降低房价的投机属性，引导市场回归居住属性，促进住房资源的有效利用。长期来看，它可能推动房地产市场形成更加理性、稳定的发展格局，减少经济体系的系统性风险。

在讨论政策影响与风险时，必须认识到房地产税政策的复杂性和多维性。其影响不仅体现在房价这一个维度上，还广泛涉及经济增长、就业、金融稳定、收入分配等多个方面。例如，房地产税的财政增收功能可以缓解地方政府对土地财政的依赖，为其提供更可持续的财政收入来源，从而有条件削减过高的地方政府债务，并增加对公共服务和基础设施的投资。然而，如果税收设计不当，也可能对经济产生负面冲击。例如，过高的税率可能抑制投资和消费，尤其是在经济下行压力较大的时期；税收征管若不完善，可能引发新的不公平或征管成本；政策实施过程中的预期管理若不到位，可能引发市场剧烈波动。因此，在推进房地产税立法与实施过程中，必须坚持以下原则：一是公平原则，确保税收负担分配合理，避免对中低收入群体和刚需群体造成过度压力，可以通过合理的免征额、递减税率等设计来实现；二是平稳原则，采取渐进式推进策略，避免对市场造成过大的短期冲击，给予市场充分的时间适应和调整；三是法治原则，确保税收制度的规范化和透明化，加强税收征管能力建设，保障纳税人权益；四是配套原则，将房地产税的改革与住房保障体系建设、土地供应制度改革、金融风险防范等政策措施相结合，形成政策合力，共同促进房地产市场的健康可持续发展。

综上所述，本研究通过对房地产税政策预期与房价走势关系的系统分析，揭示了两者之间的复杂互动机制。实证研究证实了房地产税预期对房价上涨趋势的抑制作用，并识别了影响的存在滞后性、区域异质性以及作用机制的多样性。政策模拟则进一步量化了不同政策设计参数对房价走势的影响差异，为政策制定提供了重要的参考依据。研究结论表明，房地产税作为一种潜在的宏观调控和长效机制，其对房价的影响是多方面、多层次、动态变化的。在推进相关改革时，必须审慎评估、科学设计、稳步实施，并注重与其他政策的协调配合，以实现促进市场平稳健康发展、保障和改善民生、维护金融安全的多元目标。未来的研究可以进一步关注房地产税对不同收入群体财富分配的影响、对地方财政可持续性的具体贡献、以及在不同宏观经济周期下政策效果的动态变化等更深层次的问题。

六.结论与展望

本研究围绕房地产税政策预期对中国主要城市房价走势的影响这一核心议题，通过构建理论分析框架，运用计量经济模型进行实证检验，并辅以政策情景模拟，系统性地探讨了相关问题和机制，得出以下主要结论。首先，房地产税政策预期对房价走势具有显著影响，总体上对抑制房价过快上涨、引导市场预期回归理性起到了积极作用。这种影响并非瞬时完成，而是呈现出一定的滞后性，且受到城市特征、市场环境以及政策设计等多重因素的调节。其次，房地产税预期主要通过增加持有成本、改变投资收益预期、影响财富效应以及调节市场供需等多个渠道传导至房价。其中，对投资性需求的抑制效应较为明显，财富效应和替代效应也发挥了重要作用。再次，房地产税政策的影响存在显著的区域异质性。在房价高企、投机氛围浓厚、居民收入水平相对较低的城市，政策预期的影响通常更为显著。同时，不同的政策设计参数（如税率、免征额、征收范围）对房价走势的调节效果存在差异，需要审慎权衡。最后，房地产税作为一项复杂的公共政策，其影响是多维度的，不仅涉及房价这一直接结果，还可能对经济增长、金融稳定、收入分配、地方财政等产生间接或长期影响。因此，评估房地产税政策的效果需要采用综合性的分析框架，并关注其潜在的风险和挑战。

基于上述研究结论，为进一步完善我国房地产税政策设计、促进房地产市场平稳健康发展，提出以下政策建议。第一，坚持科学设计、稳步推进的原则。房地产税的改革是一项复杂的系统工程，需要充分考虑我国经济国情、市场现状和社会承受能力。政策设计应兼顾财政增收、市场调控和社会公平等多重目标，避免单一目标的过度追求。建议采取“立法先行、充分论证、稳步推进”的路径，在试点基础上，逐步总结经验，完善制度设计，适时推进全国范围内的实施。在具体参数设计上，应合理确定税率水平、免征额标准、征收范围和税率结构，确保税收负担的公平性和可承受性。例如，可以设置合理的免征面积或价值标准，对基本居住需求给予保障；考虑实施有差别的税率，如对多套住房或非自住房征收更高的税率；明确征税范围，可以先从部分城市或特定类型住房开始试点。第二，强化预期引导和风险防范。房地产税政策的预期管理至关重要。政府应通过多种渠道，如官方发布、政策解读、专家论证等，及时、透明地向社会公众传递政策信息，稳定市场预期，避免因预期不确定性引发市场波动。同时，必须充分评估政策实施的潜在风险，特别是对经济增长、金融稳定和社会公平的潜在影响。应建立有效的风险监测和预警机制，制定应对预案，确保政策平稳过渡。例如，关注政策实施前后房价、交易量、居民负债率等关键指标的变化，及时调整政策力度或配套措施。第三，注重配套政策的协调联动。房地产税政策的有效实施需要与其他相关政策协调配合，形成政策合力。应进一步完善住房保障体系，增加保障性住房供给，满足不同收入群体的住房需求，缓解高房价带来的社会压力。深化土地供应制度改革，实现土地供应的多元化，稳定地价和房价。健全房地产金融监管体系，防范房地产金融风险。优化收入分配结构，提高中低收入群体的收入水平，增强其住房支付能力。通过政策的协同发力，共同促进房地产市场的健康可持续发展。第四，加强税收征管能力建设。房地产税的顺利实施离不开强大的税收征管能力。需要借鉴国际经验，结合我国实际，研究制定科学、规范、高效的房地产税征管办法。这包括建立统一的房地产信息系统，实现房产信息的动态更新和共享；明确税收征收、申报、评估、稽查等环节的操作流程；加强税收执法队伍建设，提高征管效率和专业水平；同时，也要关注税收征管可能带来的行政成本和社会问题，并探索通过技术手段（如区块链）提升征管效率和透明度。第五，持续开展跟踪研究和动态评估。房地产市场和经济环境是不断变化的，房地产税政策的效果也需要持续跟踪和评估。建议建立常态化的研究机制，定期对房地产税政策的实施效果进行评估，包括对房价走势、市场结构、居民负担、地方财政等方面的影响。根据评估结果，及时调整和完善政策设计，确保政策始终能够适应新的形势，实现预期目标。未来的研究可以进一步深化以下几个方面的探讨。首先，在微观行为层面，可以更深入地研究不同类型购房者（年龄、收入、家庭结构等特征差异）对房地产税预期的具体反应机制，以及这种反应如何通过市场微观结构传导至整体房价。其次，在影响机制层面，可以进一步量化财富效应、信贷效应、预期效应等不同渠道的贡献度，并研究这些机制之间的相互作用。再次，在政策评估层面，可以尝试构建更全面的政策评估框架，不仅评估房价这一短期指标，也关注其对长期经济增长质量、金融风险水平、社会公平程度以及地方财政可持续性的综合影响。此外，加强国际比较研究，借鉴其他国家房地产税改革的经验教训，特别是那些在制度设计、征管实践、风险应对等方面有突出表现的国家，可以为我国提供有益的参考。最后，随着大数据、等新技术的应用，未来的研究可以探索利用这些新技术改进房地产税政策效果的分析和预测，提升政策制定的科学性和精准性。通过持续深入的研究，为我国房地产税的稳健推进和房地产市场的健康发展提供更坚实的理论支撑和实践指导。

七.参考文献

Boadway,R.W.,&Flatters,F.(1977).PublicSectorEconomics:AMathematicalandStaticalAnalysis.Little,BrownandCompany.

Benjamin,D.A.,&Glaeser,E.L.(2003).TheRiseoftheCity:IsItSocialProgressorJustMorePeople?InG.G.Hamilton(Ed.),TheEconomicsandPoliticsofUrbanDevelopment(pp.33-66).OxfordUniversityPress.

Case,K.E.,&Shiller,R.J.(1988).TheBehaviorofHomeBuyersinBoomandPost-BoomMarkets.NBERWorkingPaperNo.w2582.NationalBureauofEconomicResearch.

Himmelberg,C.,Mayer,C.,&Sin,T.(2005).AssessingHighHousePrices:Bubbles,FundamentalsandMisperceptions.JournalofEconomicPerspectives,19(4),67-92.

Ehrlich,I.(1990).TheEffectsofPropertyTaxesandLocalPublicSpendingonPropertyValues:AnEmpiricalStudyofTaxCapitalizationandtheTieboutHypothesis.JournalofPoliticalEconomy,98(4),777-791.

Quigley,J.M.,&Tracy,R.(1998).TheEffectofPublicServicesonHousingPrices.RegionalScienceandUrbanEconomics,28(1),35-50.

Mankiw,N.G.(1992).UsingTaxPolicytoControlInflation.JournalofMonetaryEconomics,30(2),217-234.

Poterba,J.M.(1992).TaxReformandHousingDemand.InR.H.Frey(Ed.),TaxPolicyandtheEconomy(Vol.6,pp.1-32).MITPress.

Ermshar,A.L.,&Himmelberg,C.(2005).PropertyTaxesandHousingValues:EvidencefromPanelData.JournalofPublicEconomics,85(12),247-267.

Linneman,P.T.,&McMillan,D.A.(2000).TheDemandforHousing.TheRealEstateFinanceJournal,3(4),29-40.

Chirinko,R.S.,&Tinsley,C.A.(2007).HousingPrices,BorrowingConstrnts,andMonetaryPolicy.JournalofMacroeconomics,29(2),421-436.

Case,K.E.,Quigley,J.M.,&Shiller,R.J.(2005).ComparingWealthEffects:TheStockMarketversustheHousingMarket.AdvancesinMacroeconomics,5(1),1-32.

Himmelberg,C.,Mayer,C.,&Sin,T.(2005).AssessingHighHousePrices:Bubbles,FundamentalsandMisperceptions.JournalofEconomicPerspectives,19(4),67-92.

Wang,J.,&Zhang,Y.(2016).TheImpactofRealEstateTaxonHousingPrices:EvidencefromChina.JournalofRealEstateFinanceandEconomics,53(3),413-433.

Ma,G.,&Zhou,Y.(2017).TheEffectofRealEstateTaxExpectationonHousingPricesinShangh.ChinaRealEstateFinanceReview,10(1),45-62.

刘晓光.(2007).房地产税制国际比较研究.税务研究,(10),50-55.

李迅雷.(2010).房地产税：调节收入分配的利器.中国经济周刊,(34),28-31.

王家庭,&张永林.(2016).房地产税试点预期对中国房价的影响研究.经济研究,51(7),127-139.

马光荣,&周颖刚.(2017).房地产税预期对上海房价的影响研究.上海经济研究,(5),72-81.

谢伏瞻.(2013).关于推进房地产税立法和改革若干问题的看法与建议.改革,(1),3-11.

肖旭.(2015).房地产税的宏观经济效应研究.经济学动态,(9),88-95.

周诚.(2018).中国房地产税政策设计研究.财政研究,(12),60-68.

郑思齐,&刘洪玉.(2016).房地产市场调控政策效果评价研究.地方政府学刊,(4),45-53.

赵卫.(2019).房地产税对房价影响的机制研究.商业经济研究,(17),108-110.

安体富,&王海勇.(2014).我国房地产税制改革的方向与选择.税务研究,(8),3-8.

张馨.(2017).房地产税立法的难点与突破路径.改革,(6),12-20.

樊勇明,&孙百才.(2018).房地产税的财政功能与地方治理转型.中国行政管理,(1),30-37.

龙小灵,&叶初升.(2015).房地产税对居民财富分配的影响研究.经济研究,50(2),150-163.

潘成夫.(2019).中国房地产税改革的国际比较与借鉴.国际经济评论,(3),75-88.

龙志和,&刘畅.(2016).房地产税对地方财政可持续性的影响研究.财政研究,(9),45-52.

魏下海,&陈思佳.(2017).房地产税预期下居民购房行为研究.经济问题探索,(7),95-102.

谢勇,&李雪.(2018).房地产税对住房租赁市场的影响机制研究.改革与开放,(11),70-74.

周京华,&张凌.(2019).房地产税的宏观经济效应：基于DSGE模型的模拟分析.数量经济技术经济研究,36(5),85-98.

王永钦,&肖克.(2017).中国城市化、土地财政与房价上涨.经济研究,52(7),4-18.

刘洪玉,&郑思齐.(2014).中国房地产市场发展与调控.北京大学出版社.

赵耀辉,&郑振龙.(2016).房地产经济学.中国人民大学出版社.

高波,&殷华.(2018).中国城市住房价格形成机制研究.商业经济与管理,(1),3-12.

周飞舟.(2015).中国土地财政的体制根源与制度纠偏.中国社会科学,(3),50-68+204.

林毅夫,&蔡昉.(2012).中国经济增长模式转型.中国社会科学,(10),4-19+204.

贾康,&苏京春.(2016).中国地方财政风险及其化解.经济研究参考,(35),3-14.

李迅雷.(2020).中国房地产市场展望与政策建议.经济展望,(1),1-10.

八.致谢

本论文的完成，离不开众多师长、同学、朋友以及相关机构的关心、支持和帮助。在此，我谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师[导师姓名]教授。在本论文的研究过程中，从选题构思、理论框架搭建，到数据分析、模型构建，再到论文的反复修改与完善，[导师姓名]教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣、敏锐的洞察力以及宽厚待人的人格魅力，都令我受益匪浅，并将成为我未来学习和工作道路上的宝贵财富。他不仅在学术上为我指点迷津，更在人生道路上给予我诸多启发，使我得以在科研的道路上不断前行。

感谢[院系或研究所名称]的各位老师，特别是[其他老师姓名]教授、[其他老师姓名]副教授等，他们在课程教学中为我打下了坚实的理论基础，并在我的研究过程中提供了宝贵的建议和启发。感谢参与论文评审和开题报告的各位专家，他们的宝贵意见使我得以进一步完善研究内容和方法。

感谢与我一同在[实验室名称或学习小组名称]学习和讨论的同学们，特别是[同学姓名]、[同学姓名]等。在研究过程中，我们相互交流、相互学习、相互鼓励，共同克服了研究中的困难。他们的讨论和想法often激发了我的灵感，使我能够从不同的角度思考问题。

感谢国家统计局、各城市统计局以及Wind数据库等，为我提供了宝贵的研究数据。没有这些公开数据的支持，本研究的开展将无从谈起。

感谢我的家人和朋友们，他们一直以来对我的学业和生活给予了无条件的支持和鼓励。是他们默默的付出和信任，让我能够心无旁骛地投入到研究之中。

最后，我也要感谢国家[或学校名称]提供的科研资助和平台，为本论文的研究提供了必要的条件。

尽管已经尽力完成本研究，但由于本人水平有限，文中难免存在疏漏和不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：主要变量定义与数据来源

本研究中涉及的主要变量及其定义和数据来源如下：

(A1)房价指数（HP）：采用各城市新建商品住宅销售价格指数，以2010年=100进行衡量。数据来源于国家统计局城市社会经济司发布的《中国城市房价收入比报告》及各省市统计局发布的统计年鉴。

(A2)房地产税政策预期（RET）：构建一个综合指标来衡量房地产税政策出台的可能性或强度。该指标基于对政策新闻的文本分析，结合专家问卷结果，采用熵权法进行赋权，最终得到一个0到1之间的连续变量，数值越高代表政策预期越强。数据收集时间段为2010年至2022年，每月为一个观测点。

(A3)城市GDP增长率（GDPG）：以各城市地区生产总值年增长率为衡量指标。数据来源于《中国城市统计年鉴》及各省市的统计年鉴。

(A4)人均可支配收入（INC）：以各城市常住居民人均可支配收入衡量。数据来源于《中国城市统计年鉴》及各省市的统计年鉴。

(A5)城镇化率（UR）：以各城市城镇人口占总人口的比重衡量。数据来源于《中国城市统计年鉴》及各省市的统计年鉴。

(A6)人口净流入（MIG）：采用各城市常住人口年增长率扣除自然增长率（出生率减死亡率）来近似衡量。数据来源于《中国城市统计年鉴》及各省市的统计年鉴。

(A7)土地供应面积（TLA）：以各城市当年新增建设用地的出让面积衡量。数据来源于《中国城市建设统计年鉴》及各省市的国土资源和规划部门统计公报。

(A8)商业贷款利率（LRR）：采用各城市一年期人民币贷款基准利率衡量。数据来源于中国人民银行官方及Wind数据库。

(A9)房屋空置率（VOL）：采用各城市商品房空置面积与待销面积之和占同期销售面积的比重衡量。数据来源于中国指数研究院发布的《中国房地产市场月度